numpy.ufunc.resolve_dtypes#
方法
- ufunc.resolve_dtypes(dtypes, *, signature=None, casting=None, reduction=False)#
查找 NumPy 将用于操作的数据类型。返回输入和输出数据类型,它们可能与提供的数据类型不同。
注意
由于此函数未提供任何实际值,因此始终应用 NEP 50 规则。因此,Python 类型
int
、float
和complex
的行为较弱,应将其传递用于“未类型化”的 Python 输入。- 参数:
- dtypesdtype 的元组、None 或文字 int、float、complex
每个操作数的输入数据类型。输出操作数可以是 None,表示必须找到数据类型。
- signatureDType 的元组或 None,可选
如果给出,则强制执行特定操作数的确切 DType(类)。ufunc 的
dtype
参数等效于只传递设置了输出数据类型的元组。- casting{‘no’, ‘equiv’, ‘safe’, ‘same_kind’, ‘unsafe’},可选
当需要转换时使用的转换模式。这与 ufunc 调用转换模式相同。
- reduction布尔值
如果给出,则解析假定正在执行 reduce 操作,这会稍微改变提升和类型解析规则。
dtypes
通常类似于(None, np.dtype("i2"), None)
用于约简(第一个输入也是输出)。注意
默认转换模式为“same_kind”,但是,从 NumPy 1.24 开始,NumPy 对约简使用“unsafe”。
- 返回值:
- dtypesdtype 的元组
NumPy 将用于计算的数据类型。请注意,数据类型可能与传入的数据类型不匹配(需要转换)。
示例
此 API 需要传递数据类型,为方便起见,请定义它们
>>> import numpy as np >>> int32 = np.dtype("int32") >>> float32 = np.dtype("float32")
典型的 ufunc 调用不会传递输出数据类型。
numpy.add
有两个输入和一个输出,因此将输出保留为None
(未提供)>>> np.add.resolve_dtypes((int32, float32, None)) (dtype('float64'), dtype('float64'), dtype('float64'))
找到的循环对所有操作数(包括输出)使用“float64”,第一个输入将被转换。
resolve_dtypes
通过传递int
、float
或complex
支持对 Python 标量的“弱”处理>>> np.add.resolve_dtypes((float32, float, None)) (dtype('float32'), dtype('float32'), dtype('float32'))
其中 Python
float
的行为类似于 ufunc 调用中的 Python 值0.0
。(有关详细信息,请参阅 NEP 50)。